Aller au contenu principal
Accès ouvert déclaré 2025 conference-paper

FlexVAR: Flexible Visual Autoregressive Modeling without Residual Prediction

0Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

This work challenges the residual prediction paradigm in visual autoregressive modeling and presents FlexVAR, a new Flexible Visual AutoRegressive image generation paradigm. FlexVAR facilitates autoregressive learning with ground-truth prediction, enabling each step to independently produce plausible images. This simple, intuitive approach swiftly learns visual distributions and makes the generation process more flexible and adaptable. Trained solely on low-resolution images ($\leq$ 256px), FlexVAR can: (1) Generate images of various resolutions and aspect ratios, even exceeding the resolution of the training images. (2) Support various image-to-image tasks, including image refinement, in/out-painting, and image expansion. (3) Adapt to various autoregressive steps, allowing for faster inference with fewer steps or enhancing image quality with more steps. Our 1.0B model outperforms its VAR counterpart on the ImageNet 256$\times$256 benchmark. Moreover, when zero-shot transfer the image generation process with 13 steps, the performance further improves to 2.08 FID, outperforming state-of-the-art autoregressive models AiM/VAR by 0.25/0.28 FID and popular diffusion models LDM/DiT by 1.52/0.19 FID, respectively. When transferring our 1.0B model to the ImageNet 512$\times$512 benchmark in a zero-shot manner, FlexVAR achieves competitive results compared to the VAR 2.3B model, which is a fully supervised model trained at 512$\times$512 resolution.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
FlexVAR: Flexible Visual Autoregressive Modeling without Residual Prediction
Date Crossref
01/01/2025
Éditeur
Neural Information Processing Systems Foundation, Inc. (NeurIPS)
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Beijing Jiaotong University pays non établi dans la notice
    Université ou école supérieure
  • Sun Yat-sen University pays non établi dans la notice
    Université ou école supérieure
  • Meituan (China) pays non établi dans la notice
    Entreprise
  • Chinese Academy of Sciences pays non établi dans la notice
    Organisme public
  • Tencent (China) pays non établi dans la notice
    Entreprise
  • Georgia Tech pays non établi dans la notice
    Institution
  • Tencent AI Lab pays non établi dans la notice
    Structure de recherche

Beijing Jiaotong University, Sun Yat-sen University et Meituan (China), avec 4 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Generative Adversarial Networks and Image SynthesisDomain Adaptation and Few-Shot LearningAdvanced Image Processing Techniques

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.